決策樹演算法的優點：
1、決策樹演算法易理解，機理解釋起來簡單。
2、決策樹演算法可以用於小資料集。
3、決策樹演算法的時間複雜度較小，為用於訓練決策樹的資料點的對數。
4、相比於其他演算法智慧型分析一種型別變數，決策樹演算法可處理數字和資料的類別。
5、能夠處理多輸出的問題。
6、對缺失值不敏感。
7、可以處理不相關特徵資料。
8、效率高，決策樹只需要一次構建，反覆使用，每一次**的最大計算次數不超過決策樹的深度。
決策樹演算法的缺點：
1、對連續性的字段比較難**。
2、容易出現過擬合。
3、當類別太多時，錯誤可能就會增加的比較快。
4、在處理特徵關聯性比較強的資料時表現得不是太好。
5、對於各類別樣本數量不一致的資料，在決策樹當中，資訊增益的結果偏向於那些具有更多數值的特徵。
機器學習 決策樹的優缺點
一 決策樹的缺點 1.如果你的邊界很光滑動，決策樹不會很好用。也就是說當你有不連續的例項時，決策樹才表現最好。2.如果有很多不相關的變數，決策樹表現的不好。決策樹的工作是通過找到變數間的相互作用。3.資料框架 樹的每次 都減少了資料集。有意地創造 將會潛在地引進偏差 bias 4.高方差和不穩定性 ...
機器學習中常見的演算法的優缺點之決策樹
決策樹在機器學習中是乙個十分優秀的演算法，在很多技術中都需要用到決策樹這一演算法，由此可見，決策樹是乙個經典的演算法，在這篇文章中我們給大家介紹決策樹演算法的優缺點，希望這篇文章能夠更好的幫助大家理解決策樹演算法。那麼決策樹自身的優點都有什麼呢，總結下來就是有六點，第一就是決策樹易於理解和解釋，可以...
決策樹演算法
決策樹是一種樹型結構，其中每個內部結點表示在乙個屬性上的測試，每個分支代表乙個測試輸出，每個葉結點代表一種類別。決策樹學習是以例項為基礎的歸納學習，採用的是自頂向下的遞迴方法，其基本思想是以資訊熵為度量構造一棵熵值下降最快的樹，到葉子結點處的熵值為零，此時每個葉節點中的例項都屬於同一類。決策樹學習演...